一种基于社交网络海量情景数据的用户关系发现方法

    公开(公告)号:CN109857871A

    公开(公告)日:2019-06-07

    申请号:CN201910077708.X

    申请日:2019-01-28

    Abstract: 本发明属于用户关系挖掘领域,尤其涉及一种基于社交网络海量情景数据的用户关系发现方法,包括获取网络中用户产生的情景数据信息以及用户所在网络的边关系类型,提取图像中的文本信息,对文本类型数据集进行预处理;利用实体链接工具获取预处理后的情景数据集中文本的实体向量,作为先验知识加入到对应文本中;构建卷积神经网络提取文本数据集中的有效特征等综合考虑来对节点进行量化;根据节点的向量化结果求出每两个节点的余弦距离并以此来作为用户间的关系强弱值;本发明增加原有数据的语义信息,提高机器对文本的可读性和理解性,减少深度学习对数据标签的依赖性,还能减弱很多分类问题中出现的边缘问题,降低过拟合的风险,优化模型性能。

    一种基于路侧摄像头的电动汽车充电需求感知方法

    公开(公告)号:CN119889055A

    公开(公告)日:2025-04-25

    申请号:CN202510068932.8

    申请日:2025-01-16

    Abstract: 本发明属于电动汽车充电领域,涉及一种基于路侧摄像头的电动汽车充电需求感知方法,包括:计算每个路口的车流量权重、车辆等待时间权重、道路宽度权重以及部署摄像头的成本,并结合贪心算法和遗传算法确定部署摄像头的路口;根据车流量权重、车辆等待时间权重以及道路宽度权重确定部署摄像头的路口处的摄像头的清晰度和数量利用摄像头采集视频数据,将摄像头采集到的视频数据进行边缘处理后传输到云端;云端根据接收到的数据进行综合判断和预警;本发明结合改进贪心算法和遗传算法根据车流量权重、车辆等待时间权重、道路宽度权重以及部署摄像头的成本确定道路监控摄像头的位置,使摄像头在满足最大化道路覆盖率的同时,最小化部署成本。

    一种基于多粒度表示的药物-靶标相互作用预测方法

    公开(公告)号:CN119626315A

    公开(公告)日:2025-03-14

    申请号:CN202411664097.6

    申请日:2024-11-20

    Inventor: 刘群 张秀平 龚旭

    Abstract: 本发明属于生物信息技术领域,具体涉及一种基于多粒度表示的药物‑靶标相互作用预测方法;该方法包括:使用分层网络提取药物分子的增强分子表示;基于氨基酸序列中相邻的残基,分别对氨基酸序列中的一阶信息和二阶信息进行建模,从而提取多阶序列特征;采用Pconsc4工具对多重序列信息进行处理,得到蛋白质的空间结构信息表示;拼接增强分子表示、多阶序列信息和蛋白质的空间结构信息表示,得到融合特征;将融合信息输入到交互预测网络中,得到药物‑靶标相互作用预测结果;本发明不仅能够解决现有方法仅关注单粒度信息的弱点,提高预测准确度,而且表现出可解释性。

    一种基于视觉证据的视频描述物体幻觉修正方法

    公开(公告)号:CN118887582A

    公开(公告)日:2024-11-01

    申请号:CN202410920987.2

    申请日:2024-07-10

    Inventor: 王烨 周建成 刘群

    Abstract: 本发明属于视频图像处理技术领域,具体涉及一种基于视觉证据的视频描述物体幻觉修正方法;包括:获取待视频描述的视频并对其进行特征提取,得到最终视频特征;采用GPT‑2模型对最终视频特征进行处理,得到视频的候选描述词;根据候选描述词得到候选视频描述文本;采用幻觉诊断模块对待描述的视频和视频描述文本进行处理,得到幻觉分类结果;采用场景图生成模型从待视频描述的视频中提取视觉关键信息,根据视觉关键信息得到结构化视觉证据;根据视频候选描述词和结构化视觉证据对幻觉分类结果中被判断为物体幻觉的词进行修正,得到高质量的视频描述文本;本发明能更好描述视觉内容中的真实物体,生成高质量的视频描述文本。

    一种保持预测顺序和结构依赖关系的图神经网络解释方法

    公开(公告)号:CN115169521A

    公开(公告)日:2022-10-11

    申请号:CN202210884170.5

    申请日:2022-07-25

    Abstract: 本发明属于神经网络解释技术领域,具体涉及一种保持预测顺序和结构依赖关系的图神经网络解释方法;该方法包括:获取原始图数据,将原始图数据输入待解释的图神经网络模型,得到原始的预测结果;采用掩码生成器对原始图数据进行掩码,得到掩码后的子图;将掩码后的子图输入到待解释的图神经网络模型,得到掩码后的预测结果;根据原始预测结果和掩码后的预测结果计算总损失;根据总损失优化掩码生成器,迭代更新掩码生成器参数,直到得到最优掩码生成器;采用最优掩码生成器对原始图数据进行掩码,得到掩码后的子图即原始预测结果的解释;本发明解释可对图神经网络的进行可靠的解释,实用性高。

    一种城市路网中的链路预测方法及装置

    公开(公告)号:CN112465253A

    公开(公告)日:2021-03-09

    申请号:CN202011426947.0

    申请日:2020-12-09

    Abstract: 本发明属于城市交通技术领域,尤其涉及一种城市路网中的链路预测方法及装置;所述方法包括采集城市路网数据集,计算各个城市地点的属性值;利用云模型将各个属性值划分为类簇,得到该属性对城市节点之间是否建立链路连接的二分类结果,并计算出各个属性对于二分类标签的确定度;以二分类结果来计算出相关联的两个属性的频繁二项集,以构建二层泛函网络模型结构;对二层泛函网络模型进行训练,采用最小二乘法让目标损失函数达到最小;将待测的城市路网数据输入到训练后的二层泛函网络模型中,输出该城市路网中两个城市地点之间是否产生道路的二分类标签;本发明克服了复杂网络结构的高度依赖性,优化链路预测效果,从而提高了其预测准确性。

    基于Spark Streaming的广告点击异常检测系统及检测方法

    公开(公告)号:CN106649527B

    公开(公告)日:2021-02-09

    申请号:CN201610915505.X

    申请日:2016-10-20

    Abstract: 本发明请求保护一种基于Spark Streaming的广告点击异常检测系统及检测方法,涉及计算机技术应用领域,在用户点击网站广告时进行日志收集,对实时收集的数据进行清洗,标准化数据字段格式,然后将标准化数据由Flume传输给Kafka数据消息系统,Spark Streaming通过KNN邻近算法对数据进行分类,可以得到三大类数据异常数据、嫌疑数据、正常数据。对于异常数据和正常数据存储于数据库中,嫌疑数据发送给Kafka数据消息系统,然后通过异常数据训练朴素贝叶斯分类器,使用分类器可得到嫌疑数据的分类情况,数据保存于数据库中。最后,通过正常数据量合理收取广告商费用,同时可以分析得到各个广告的热门度,给广告商提供行业发展方向,提供用户全国分布情况等信息。

    一种道路车辆分型系统及方法

    公开(公告)号:CN103345842B

    公开(公告)日:2016-01-20

    申请号:CN201310316787.8

    申请日:2013-07-25

    Abstract: 一种道路车辆分型系统,涉及电子交通技术领域,包括有信息采集单元、滤波检测单元、波形提取单元和判决分类单元。一种道路车辆分型方法,在车辆经过道路中间的传感器时,传感器实时地检测出车辆的磁场信息,并分析提取车辆磁场信息,计算出车速度、车长度和磁场均值及标准磁场值,将这些数据与判决树进行比对,将比对的结果送入KNN邻近方法中行细分类,可以实时得到车辆分型结果,监控中心根据得到的分类结果统计道路交通状态,并跟踪预设范围之外的车型,进行道路预测和预警。

    基于物理信息引导的图神经网络电网级联故障预测方法

    公开(公告)号:CN119579349A

    公开(公告)日:2025-03-07

    申请号:CN202411632981.1

    申请日:2024-11-15

    Abstract: 本发明属于电力系统级联故障预测领域,涉及基于物理信息引导的图神经网络电网级联故障预测方法,包括:获取级联故障的运行数据,将级联故障的运行数据输入训练好的电网级联故障预测模型,得到预测结果;电网级联故障预测模型包括:共嵌入图神经网络和结构编码模块;本发明利用基于考虑电网线路属性的多步随机游走矩阵和节点度数表征的结构编码进行数据增强,提高了捕获拓扑信息的能力;本发明利用共嵌入图神经网络促进电网节点和电网线路的交互,提高了电网级联故障预测的准确性;本发明通过电网的功率传输分布因子改变共嵌入图神经网络的节点‑边交互聚合函数,提升了对实际电网复杂交互关系的描述能力,提高了对电网级联故障预测的准确性。

    一种基于自蒸馏数据增强的无人艇小样本目标检测方法

    公开(公告)号:CN118196391A

    公开(公告)日:2024-06-14

    申请号:CN202410376190.0

    申请日:2024-03-29

    Inventor: 王国胤 石岩 刘群

    Abstract: 本发明涉及一种基于自蒸馏数据增强的无人艇小样本目标检测方法,包括:获取待检测的目标图像,将其输入预训练好的目标检测模型,得到检测结果;该目标检测模型的训练过程包括:获取训练图像样本;对小样本进行数据增强得到增强样本,构建平衡数据集;对目标检测模型进行初步训练;利用平衡数据集对学生网络进行训练,将其参数传递给教师网络;利用扩充训练集对教师网络进行训练,生成伪标签样本;计算学生网络输出结果与教师网络输出结果的损失,根据所述损失反向传播更新学生网络的参数,循环迭代,当损失函数收敛时停止迭代,得到训练好的目标检测网络。采用本发明可以提高目标检测模型在小样本情况下的准确率和目标检测模型泛化能力。

Patent Agency Ranking